买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南昌大学申请的专利一种基于TimesNet-Crossformer-LSTM的短期电力负荷预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119358745B 。

龙图腾网通过国家知识产权局官网在2025-10-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411451459.3，技术领域涉及：G06Q10/04；该发明授权一种基于TimesNet-Crossformer-LSTM的短期电力负荷预测方法是由袁魁东;何俊;钟子捷;孙一凡;程子健设计研发完成，并于2024-10-17向国家知识产权局提交的专利申请。

本一种基于TimesNet-Crossformer-LSTM的短期电力负荷预测方法在说明书摘要公布了：本发明公开了一种基于TimesNet‑Crossformer‑LSTM的短期电力负荷预测方法，包括：1对导入的数据集进行特征筛选，并对所选特征作归一化处理；2划分训练集、验证集和测试集，将训练集和验证集输入模型进行训练；3模型对输入的时间序列进行信息提取，提取到时间序列中周期内和周期间的关系；4采用Adam算法来调整神经网络的参数，利用反向传播来训练网络，通过观察验证集上的损失值来评估模型参数的训练效果；5根据消融实验结果，选取tanshark作为模型的激活函数；6将测试集输入到训练好的模型当中，获得点预测的结果，并通过四个评价指标对模型预测效果进行评价。本发明方法相较现有方法在短期电力负荷预测任务中拥有更高的精度。

本发明授权一种基于TimesNet-Crossformer-LSTM的短期电力负荷预测方法在权利要求书中公布了：1.一种基于TimesNet-Crossformer-LSTM的短期电力负荷预测方法，其特征在于，包括以下步骤： 步骤S1、对导入的数据集进行特征筛选，采用皮尔逊相关系数分析法进行特征选择；并对所选特征进行归一化处理； 步骤S2、将筛选、处理后的数据集以8:1:1的比例划分训练集、验证集和测试集，并将训练集和验证集输入模型进行训练； 步骤S3、使用TimesNet-Crossformer-LSTM模型进行训练，通过模型的特殊结构将输入的一维时间序列转化到二维空间进行信息提取，提取到时间序列中周期内和周期间的关系； 首先将预处理过后的时间序列输入到TimesNet-Crossformer-LSTM模型当中，经TimesNet模块将原始序列通过快速傅里叶分解将一维时间序列分解，并快速的将序列的周期性计算出来，进而将输入数据转换到频域来对时间序列进行分析，然后再通过2D卷积对二维张量进行信息提取，再通过信息聚合回到一维，之后再通过Crossformer模块中DWG将时间序列分割成patch形式，得到的patchembedding作为二阶段注意力的输入，在对序列与时间、特征与特征之间进行二阶段注意力后输入到LSTM模块中进行预测修正，输出最后的结果； 所述TimesNet模块是在选定周期和频率的情况下得到的二维时间序列张量，当选定的周期或频率不同时，得到的二维时间序列张量也不相同，所述TimesNet模块通过二维卷积对分解后的时间序列进行信息挖掘； 所述Crossformer模块将时间序列分割成patch的形式后，将每个变量的时间序列按照一定的窗口大小划分为多个区块，每个区块通过全连接进行映射，再通过两阶段关注层，关注时间序列的两个阶段，即时间维度关注和变量维度关注，捕捉并预测时间序列中周期内和周期间的关系； 所述LSTM模块对预测结果进行修正，输出修正后的时间序列中周期内和周期间的关系； 步骤S4、采用Adam算法来调整神经网络的参数，利用反向传播来训练网络，通过观察验证集上的损失值来评估模型参数的训练效果； 步骤S5、对TimesNet-Crossformer-LSTM模型进行激活函数的消融实验，选取tanshark作为模型的激活函数； 步骤S6、将测试集输入到训练好的模型当中，获得点预测的结果，并通过四个评价指标对模型预测效果进行评价。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。